YOLO-o1:A Multi-factor Detection Model for Pitaya Based on YOLOv11n
Ce document présente YOLO-o1, un modèle de détection multi-facteurs amélioré basé sur YOLOv11n qui intègre CBAM, la Focal Loss, le Label Smoothing et la perte DIoU pour réaliser simultanément la détection de haute précision des maladies des tiges, la classification de la maturité et l'estimation de la taille des fruits pour le pitaya dans des applications agricoles en temps réel.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.